Dr. Reuven Shnaps, Chief Analytics Officer di Earnix – Seri Wawancara

Dr. Reuven Shnaps adalah Chief Analytics Officer di Earnix, penyedia sistem kritis misi untuk perusahaan asuransi dan bank global.

Apa yang awalnya menarik Anda untuk ilmu data dan AI?

Saya selalu memiliki ketertarikan dengan matematika, data, dan potensi mereka untuk memecahkan tantangan bisnis. Selama studi akademis dan karir saya, saya telah mencari kesempatan untuk mempelajari statistik, ekonomi, dan bagaimana menerapkan bidang-bidang ini untuk memahami perilaku konsumen. Saya mengagumi ilmuwan data, ahli statistik modern dan ahli ekonomi, yang memiliki kemampuan unik untuk menganalisis sejumlah besar data dan menangani masalah bisnis dunia nyata. Saya telah mengabdikan karir saya untuk ilmu data dan menggabungkan metodologi statistik tradisional, teknologi baru, algoritma pembelajaran mesin (ML) dan aplikasi kecerdasan buatan (AI) terbaru untuk menciptakan solusi bisnis yang memberikan nilai jangka panjang bagi pelanggan kami.

Apa yang dilakukan Earnix?

Earnix adalah penyedia perangkat lunak global yang memberdayakan perusahaan asuransi dan bank untuk memberikan tarif, harga, dan penawaran produk yang dipersonalisasi lebih cepat, lebih cerdas, dan lebih aman kepada konsumen. Sistem kami ditenagai oleh AI & ML, dan termasuk berbagai alat pemodelan analitis, aplikasi, dan algoritma canggih. Baru-baru ini, Earnix masuk dalam daftar “Insurtechs untuk ditonton pada 2021” di AS dan diakui sebagai pemimpin pasar dalam analitik prediktif oleh CB Insights, perusahaan analisis dan penelitian di sektor teknologi. Earnix menggunakan teknologi inovatif untuk membantu perusahaan asuransi dan bank memenuhi kebutuhan konsumen secara real-time.

Earnix baru-baru ini menulis artikel untuk kami tentang pentingnya Keterjelasan dalam AI. Seberapa penting Anda percaya Keterjelasan dalam AI?

Keterjelasan adalah topik yang sedang tren dalam AI dan analitik data. Ini memengaruhi perusahaan di seluruh industri, baik yang menggunakan AI atau tidak.

Sebagian besar perusahaan mengalami perdagangan antara tingkat kontrol mereka dan efektivitas AI. Agar bisnis dapat mempercayai dan mengadopsi penggunaan “black box” AI, perlu ada mekanisme yang memungkinkan ahli dan pemangku kepentingan untuk menafsirkan proses pengambilan keputusan AI yang kompleks dan memastikan kepatuhan terhadap tuntutan regulasi. Konsumen juga dapat memperoleh manfaat dari keterjelasan dengan memahami dan memungkinkan untuk menavigasi penggerak utama di balik keputusan harga, kredit, atau underwriting. Keterjelasan adalah jembatan yang membuat AI yang rumit lebih mudah dipahami dan transparan. Dengan kemampuan menerjemahkan model ML yang canggih, profesional analitik tidak perlu mengorbankan algoritma yang lebih maju karena kurangnya pemahaman. Keterjelasan meminimalkan perdagangan antara kontrol dan nilai sambil memaksimalkan manfaat AI.

Bisakah Anda membahas beberapa teknologi pembelajaran mesin yang digunakan di Earnix?

Earnix memungkinkan perusahaan asuransi dan bank untuk mengirimkan AI terbaru dalam mesin penilaian perusahaan yang skalabel, berbasis cloud. Mesin penilaian kami yang sepenuhnya otomatis mengoperasikan model ke produksi untuk menawarkan produk asuransi dan perbankan yang dipersonalisasi secara real-time yang sesuai dengan kebutuhan konsumen. Kemampuan platform terbuka kami memungkinkan integrasi dengan berbagai model ML dan platform seperti H20, Data Robot, dan Python. Earnix mengembangkan model hibrida unik untuk memanfaatkan kekuatan gabungan teknik pemodelan statistik tradisional dan model berbasis pohon ML untuk keputusan harga

Kami selalu berada dalam misi untuk menemukan cara baru untuk memanfaatkan kemampuan pembelajaran mesin yang dapat digunakan perusahaan asuransi dan bank untuk meningkatkan bisnis mereka dengan cara yang langsung menguntungkan konsumen. Kami saat ini sedang menjelajahi aplikasi pemantauan cerdas dan pembelajaran online, Contextual Multi-Arm Bandits (MAB) untuk merancang tes paket yang efisien dan menawarkan penawaran produk/paket yang dipersonalisasi kepada pelanggan, serta algoritma pembelajaran dalam untuk menganalisis data frekuensi tinggi. Dengan cara ini, kami membantu perusahaan asuransi dan bank menawarkan produk, tarif, dan harga yang lebih cepat, lebih cerdas, dan lebih aman.

Bagaimana AI memodernisasi bank dan perusahaan asuransi?

Perusahaan asuransi dan bank tradisional yang bergantung pada sistem warisan dan proses manual yang terisolasi sedang ditantang oleh perusahaan yang didorong AI. AI telah menciptakan lingkungan di mana perusahaan asuransi dan bank harus berinovasi lebih cepat, memproses sejumlah besar data dari berbagai sumber & jenis, mengotomatisasi proses operasional manual, menyederhanakan dan meningkatkan perjalanan pelanggan dan keterlibatan, menawarkan produk dan tarif yang lebih dipersonalisasi, dan mencapai nilai pasar waktu yang segera. AI telah meredefinisi bagaimana perusahaan asuransi dan bank beroperasi, dan mengintegrasikan AI adalah integral untuk tetap kompetitif dan memberikan konsumen apa yang mereka inginkan.

Sebagai contoh, konsumen semakin beralih ke opsi asuransi berbasis penggunaan dan perilaku (UBI/BBI) karena mereka ingin tarif asuransi mobil mereka ditentukan oleh penggunaan dan perilaku mengemudi mereka, bukan hanya oleh demografi mereka. Dengan otomatisasi, ML, dan kemampuan analitik kami, perusahaan asuransi sekarang dapat mengoperasikan data telematika yang luas, mencapai penerapan penawaran yang cepat, menilai ulang risiko konsumen, serta menyesuaikan harga dan penawaran produk sesuai.

Apakah ada yang ingin Anda bagikan tentang Earnix?

Ada banyak penelitian tentang bagaimana penggunaan AI memperbaiki proses dan hasil bisnis, tetapi tidak ada buku pedoman tentang bagaimana menggabungkan kekuatan AI dan potensinya ke dalam operasi bisnis untuk memberikan nilai segera dan mendorong pertumbuhan bisnis. Banyak organisasi jasa keuangan bergelut dengan menghubungkan AI ke operasi mereka. Teknologi ujung-ke-ujung Earnix menangani kebutuhan dan titik nyeri akut ini. Saya bangga bekerja untuk perusahaan yang menggunakan analitik untuk menemukan cara baru untuk memupuk hubungan yang mendalam dan berorientasi kepercayaan antara konsumen dan industri perbankan dan asuransi.

Terima kasih atas tanggapan yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Earnix.